我不想再要一个“只会聊天”的 AI 了,所以做了 DreamAxis
如果一个 AI coding 工具不能真正进入仓库、不能告诉我它跑了什么、不能解释它为什么失败,那它就还不够像一个合格的开发助手。
本文带你认识 DreamAxis:一个 local-first、默认免注册、带 CLI + Browser Runtime 的开源 Repo Copilot。
版权所有 © 2026 DREAMVFIA UNION
开场:为什么今天的 AI coding 工具,还是经常让人“不放心”?
我们已经见过太多 AI coding 产品演示了:
- 回答很流畅
- 看起来什么都懂
- 聊起架构、代码、调试思路都头头是道
但一旦你把它真正放进本地仓库,问题就来了:
- 它到底有没有真的跑命令?
- 它看到的是猜测,还是证据?
- 它失败时,到底是缺依赖、缺工具链、缺脚本,还是代码本身挂了?
- 它给你的“建议”,究竟是 grounded,还是只是像那么回事?
DreamAxis 想做的,不是再造一个聊天框。
DreamAxis 想做的是:
把 AI 从“会说话”推进到“会执行、会留证据、会解释失败、会给下一步”。
这也是我觉得它值得被推广、值得被测试、值得被持续打磨的原因。

图 1:DreamAxis 的 chat-first repo copilot 界面,不只是输出答案,更强调 mode、execution bundle、failure summary 和 runtime evidence。
DreamAxis 是什么?一句话先说清楚
DreamAxis 当前可以被概括为:
一个 local-first 的开源 agent execution platform。
如果换成更接地气的说法,它更像:
一个真正面向 solo developer 的本地 Repo Copilot。
它不把 Chat 当终点,而是把 Chat 当入口。
DreamAxis 当前核心链路是:
Chat → Skill routing → CLI / Browser Runtime → Evidence → Next step
也就是说,用户说一句自然语言,不应该只换来一段漂亮回复,而应该换来:
- 对 repo 的真实理解
- 对本地命令 / 页面验证的真实执行
- 对 stdout / stderr / screenshot 的真实证据
- 对失败的结构化解释
- 对下一步行动的 grounded 建议
这就是 DreamAxis 和“普通 AI 聊天工具”最根本的区别。
为什么说 DreamAxis 不是“又一个聊天框”?
如果你只是看界面,DreamAxis 当然也有聊天入口。
但它的真正重点不在“聊天”,而在 执行层。
1)它是 local-first
DreamAxis 默认站在本地优先这一边,而不是先把一切都做成云端托管 SaaS。
2)它默认 no-signup by default
DreamAxis 默认模式是:
AUTH_MODE=local_open
也就是说:
- 默认不需要公开注册
- 默认不需要邮箱验证
- 默认不需要先拥有一个平台账号,才能开始试用
3)它是 runtime-centric,而不是 chat-only
DreamAxis 不是“模型先说,执行以后再说”,而是把 runtime 直接放到产品核心。
当前已经落地:
- CLI Runtime v1
- Browser Runtime v1(Playwright)
- runtime / session / execution 三层可见性
4)它强调 self-hosted provider keys / knowledge / skills
DreamAxis 的方向不是把所有东西都锁进平台,而是更强调:
- provider key 由用户自己持有
- knowledge 落在本地
- skills / runtime / docs 可以持续积累
换句话说,DreamAxis 想做的不是“把你接进某个黑盒”,而是“帮你在本地搭一个真正可持续的 AI 执行底座”。
默认不需要注册,那数据到底保存在哪里?
这几乎是所有人都会问的核心问题。
DreamAxis 当前的数据落点非常明确:
- 用户 / workspace / provider / runtime / skill / knowledge 元数据:PostgreSQL
- Provider API key:加密后保存到
provider_connections - 上传的原始文档:本地持久目录
- Web token:浏览器 localStorage
所以 DreamAxis 的默认逻辑不是:
“先把你的账号、数据、key 交给平台。”
而更接近:
“你自己部署、你自己持有 key、你自己持有数据、你自己控制执行环境。”
对重视隐私、可控性、可迁移性的开发者来说,这不是细节,而是立场。
DreamAxis 现在已经能做什么?
说得更具体一点,DreamAxis 当前已经不是一个空概念,而是有一条相当清晰的产品能力线。
Chat modes
当前 Chat 支持四个主模式:
understandinspectverifypropose_fix
CLI Runtime
可以在安全边界内针对 workspace 执行本地命令,拿到:
- stdout
- stderr
- exit code
- runtime execution 记录
Browser Runtime
通过 Playwright 执行页面打开、文本抓取、截图、基础验收验证。
Knowledge
把内置文档、上传文档、repo 文档变成可检索知识资产,不再只是“聊天附件”。
Doctor
检查本地基线与 workspace readiness,包括:
- Git
- Node.js
- pnpm / npm
- Python
- Docker
- Browser Runtime
这让 DreamAxis 更像一个真正的本地 AI 助手平台,而不只是一个会输出文字的模型外壳。
DreamAxis 最值钱的地方:verify / troubleshoot
如果一定要说 DreamAxis 当前最值得看的能力,我会选这条线:
它开始把 verify / troubleshoot 做成真正的产品能力,而不是模型表演。
DreamAxis 不满足于只告诉你:
- “这个可能有问题”
- “建议你检查一下依赖”
- “你可以再看看配置文件”
它更想做到的是:
- 真正跑验证链路
- 真正读取失败输出
- 真正分类失败类型
- 基于证据给 grounded next step
Troubleshooting summarizer
DreamAxis 当前已经把 chat trace 里的失败信息结构化出来,包含:
failure_summaryfailure_classificationstderr_highlightsgrounded_next_step_reasoning
失败类型首版已经覆盖:
dependency_or_installmissing_toolchainrepo_not_readyscript_or_manifest_missingcode_or_config_failurebrowser_or_runtime_failureunknown
这意味着当一次 verify 失败时,DreamAxis 不应该再只是把一大段 stderr 原样扔给你,而是会尽量直接告诉你:
- 失败发生在哪个 probe
- 它更像哪一类问题
- 第一条高信号错误是什么
- 你下一步更该修环境、修依赖、修脚本、修配置还是修代码
这件事听上去像“只是 UI 更清楚了”,但实际上它非常重要:
因为 AI coding 工具一旦不能把失败讲清楚,开发者对它的信任就会迅速下降。

图 2:DreamAxis Runtime 控制台,能直接查看 host、session、execution、artifact 和父子 execution 关系,适合作为审计面板。
DreamAxis 和 Codex / Claude Code / OpenClaw 是什么关系?
DreamAxis 并不是想简单复制 Codex、Claude Code 或 OpenClaw。
它更像是在承认这些桌面 AI 助手已经定义了一个现实标准之后,再往前走一步。
先对齐现实标准
DreamAxis 明确承认今天桌面 AI assistant 的统一基线就是:
- Git
- Node.js
- 包管理器(pnpm / npm)
- Python
这不是“文档前置条件”,而是桌面 AI coding 的现实地基。
再补上更强的可观测性
DreamAxis 比较想继续做强的是:
- local-first
- no-signup by default
- runtime-backed evidence
- CLI + Browser 双执行面
- self-hosted provider keys
- skills + knowledge + runtime 的长期积累
如果说 Codex / Claude Code 更像“强大的 agent CLI”,那么 DreamAxis 当前更像:
一个以 Chat 为入口、但以 Runtime / Evidence / Audit 为核心的数据面与执行面产品。
这也是它最有机会形成差异化的地方。
当前边界也必须讲清楚:DreamAxis 现在不是什么
一个项目要值得长期跟踪,除了讲自己已经做成了什么,也要讲清楚它现在还不是什么。
DreamAxis 当前边界很明确:
- proposal-only
propose_fix只给建议,不自动写文件
- 不自动执行高风险写入动作
- 默认只自动执行安全、只读、可解释路径
- 不是完整 autonomous multi-agent OS
- role registry 和 execution foundation 已有基础,但还不是全自动多 agent 系统
我反而觉得这很加分。
因为比起“什么都说自己能做”,DreamAxis 现在更像是:
先把 verify / troubleshoot / evidence / next step 这一条最有实际价值的链路做扎实。
这比空谈“全自动开发”更靠谱。
为什么我觉得 DreamAxis 值得持续关注?
DreamAxis 真正有潜力的地方,在于它不是把 AI 当“回答器”,而是在把这些能力逐渐做成系统:
- 本地模型调用入口
- CLI Runtime
- Browser Runtime
- Skill packs
- Knowledge packs
- Environment Doctor
- Chat-first repo copilot
而且这些能力不是散点,而是在开始形成闭环:
- 用户从 Chat 发起任务
- 系统决定走什么 skill/runtime 路径
- 执行证据沉淀到 runtime
- 失败被结构化总结
- 下一步建议回到 chat
这就是 DreamAxis 和“又一个 AI 页面”最大的不同。

图 3:DreamAxis Dashboard,用于查看 provider、runtime、skills、knowledge 与整体运行概览。
如果你第一次体验 DreamAxis,我建议你这样试
不要一上来就让它“帮我改完整个仓库”。
我更建议你先走这一条体验链:
- 启动本地栈
- 进入应用(默认
local_open) - 配置一个 OpenAI-compatible provider
- 看
/environment的 Doctor 结果 - 在
/chat先跑一个understand - 再跑一个
verify - 故意让一个 probe 失败
- 看它能不能把失败讲清楚
- 最后去
/runtime对照 execution 证据
如果这条链路成立,你会很快明白:
DreamAxis 的重点不是“更会聊天”,而是“更像一个可靠的本地执行助手”。
项目入口
- GitHub:https://github.com/DREAMVFIAUNION/dreamaxis
- README:仓库首页
- Acceptance report:
docs/chat-acceptance-report-v0.2.md - Runbook:
docs/repo-copilot-runbook.md
如果你本身就在关注这些方向:
- 本地优先 AI 工具
- self-hosted provider keys
- runtime-backed repo copilot
- Browser + CLI 双执行面
- 更可观测的 AI coding workflow
那么 DreamAxis 很值得你加入观察名单,甚至直接拉下来自己跑一遍。
结尾:DreamAxis 也许不是最会“说”的,但它正在变成更可靠的那个
DreamAxis 现在当然还不是那个“全自动帮你完成所有开发任务”的终极系统。
但它已经开始把真正重要的东西做出来:
- 能运行
- 能验证
- 能解释失败
- 能给 grounded next step
- 能把执行过程审计下来
这也是我愿意把它当作一个值得推广的开源项目去介绍的原因。
因为真正有价值的 AI coding 工具,最后拼的不是“谁更像聊天机器人”,而是:
谁更像一个你愿意真正带进本地仓库、愿意长期依赖的执行助手。
DreamAxis 正在往这个方向走。
版权声明:本文内容与配图整理基于 DreamAxis 项目,版权所有 © 2026 DREAMVFIA UNION。
AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。
更多推荐




所有评论(0)